Jul, 2022

分布式优化实现多肢机器人自由攀爬的同时接触丰富抓握和运动

PDF
TL;DR提出一种高效的运动规划框架，基于 ADMM 分布式优化框架，使用 MIQP 和 NLP 解决接触和非线性动力学问题，显式强制执行微刺夹具的限制面环接触约束，通过硬件实验演示了多肢机器人能够实现各种动作。
发现论文，激发创造
  • 一种端到端可微分的接触感知机器人设计框架

    本文提出了一个可微分端到端框架来优化接触感知机器人设计的两个关键部分：一种新颖的变形参数化方法和一个可处理联系丰富情况和计算全谱运动和动态参数分析梯度的可微刚体模拟器，在多个操作任务中，我们的框架胜过了使用其他表示形式优化控制或设计，或使用无梯度方法进行共同优化的现有方法的情况。

    Jul, 2021

  • 深度动态模型用于学习灵巧操作

    本文介绍了一种在线规划深度动力学模型的方法，通过这种方法，使用少量真实世界的数据即可进行柔性接触的灵巧操作技能的有效学习，并成功应用于 24 个自由度类人手上。

    Sep, 2019

  • 多臂组装系统的任务与运动协同规划

    本文提出了一种基于多层次的任务和动作规划框架，可以协调多个机器人完成复杂结构的组装，在高层次通过整数线性规划算法计算抽象计划，并在低层次使用多智能体路径规划算法规划机器人的运动路线，关键在于高层次规划中的避碰约束和运动的持续时间，以使得抽象计划既可行又高效。

    Mar, 2022

  • 通过交替进行多智能体路径规划和基于物理模拟的操作，实现可移动物体的复杂非抓取操作规划

    该研究针对机器人在重复环境中的可操作性，提出一种基于物理模拟器的动态规划算法，结合多智能体路径规划的思想，用于实现机械臂动作计划与可移动物体状态变化之间的交互式自主调整。

    Mar, 2023

  • Contact-GraspNet: 在混乱场景下高效生成 6 自由度抓取

    通过一种端到端的神经网络，将深度记录的场景直接转化为 6 个自由度平行夹具抓取的分布，其独特的抓取表示法将点云的 3D 点作为潜在的抓取接触点，并将 6 个自由度的抓取姿态与宽度根据观察到的点云减少到 4 个自由度，成功率可达 90% 以上。

    Mar, 2021

  • Fin-QD: 软爪抓取器的计算设计框架：集成 MAP-Elites 和高保真 FEM

    这项研究提出了一种自动化的计算设计优化框架，基于质量多样性方法生成各种各样的夹持器设计，以单独抓取几何不同的物体类型。

    Nov, 2023

  • GenCHiP: 高精度和接触丰富的操作任务的生成机器人策略代码

    基于大型语言模型（LLMs）的研究表明，通过合适的动作空间重新参数化，包括遵守与交互力和刚度相关的约束条件，能够成功地生成用于接触丰富和高精度操纵任务的策略，即使在噪声条件下也有效。

    Apr, 2024

  • 高自由度抓取器深度可微分抓取规划

    本篇论文提出了一种利用深度神经网络进行无监督或有限监督机械抓取学习的算法，该算法包括机械臂前向运动、与目标物体的碰撞检测、抓取姿态评价指标的构建，并且通过优化问题的敏感度分析提出了通用的 Q1 抓取评价指标，其中用到 watertight 三角形网格，实现了在各种 3D 形状数据集上比传统方法更高效率和鲁棒度的抓取姿态的学习和训练。

    Feb, 2020

  • Contact2Grasp: 基于手物接触限制的三维握取合成

    本篇研究通过介绍一种新的中间变量来提高三维抓取合成的效率，以解决现有方法想要直接从物体映射到抓取姿势的非光滑和低效问题，并提出了一种基于接触区域的因子图形式来描述抓取姿态生成过程，并通过实验验证了优化方法的有效性。

    Oct, 2022

  • CMG-Net: 一种端到端基于接触的多指灵巧抓取网络

    本论文提出了使用多指机器人手和被操作物体之间的接触来表示抓取的新方法，并通过一个端到端的网络实现在杂乱环境中抓取未知物体的目标。同时，我们创建了一个包括五千个场景的综合数据集，并进行了全面的实验研究，实验结果表明，我们的方法表现优于目前最先进的三指机械手抓取方法。

    Mar, 2023